Using deep learning and Google Street View to estimate the demographic makeup of neighborhoods across the United States. Timnit Gebrua, & others


Hoy traemos a este espacio este artículo titulado "sing deep learning and Google Street View to estimate the demographic makeup of neighborhoods across the United States." Timnit Gebrua, & others

Abstract

Estados Unidos gasta más de $ 250 millones cada año en la Encuesta de la Comunidad Estadounidense (ACS), un estudio puerta a puerta que mide las estadísticas de raza, género, educación, ocupación, desempleo y otros factores demográficos. Aunque es una fuente completa de datos, el desfase entre los cambios demográficos y su aparición en el SCA puede superar varios años. A medida que las imágenes digitales se vuelven omnipresentes y mejoran las técnicas de visión artificial, el análisis automatizado de datos puede convertirse en un suplemento cada vez más práctico para el ACS. Aquí, presentamos un método que estima las características socioeconómicas de las regiones que abarcan 200 ciudades de EE. UU. Mediante el uso de 50 millones de imágenes de escenas callejeras reunidas con los automóviles de Google Street View. Usando técnicas de visión por computadora basadas en el aprendizaje profundo, determinamos la marca, el modelo y el año de todos los vehículos motorizados que se encuentran en vecindarios particulares. Los datos de este censo de vehículos motorizados, que enumeraron 22 millones de automóviles en total (8% de todos los automóviles en los Estados Unidos), se usaron para calcular con precisión el ingreso, la raza, la educación y los patrones de votación en el código postal y el precinto. (El precinto promedio de EE. UU. Contiene ~1,000 personas). Las asociaciones resultantes son sorprendentemente simples y poderosas. Por ejemplo, si la cantidad de sedanes que se encuentran durante un recorrido por una ciudad es más alta que la cantidad de camionetas pickup, es probable que la ciudad vote por un demócrata durante las próximas elecciones presidenciales (88% de probabilidad); de lo contrario, es probable que vote republicano (82%). Nuestros resultados sugieren que los sistemas automatizados para monitorear datos demográficos pueden complementar eficazmente los enfoques intensivos en mano de obra, con el potencial de medir datos demográficos con una resolución espacial precisa, en tiempo cercano al real.(leer más...) 

 Fuente: [  slideshare vía PNA ]

Comentarios